*
右图描述了边界跟踪的顺序。 第一步,根据光栅扫描,发现像素p0,其坐标为(3,5)。 第二步,反时针方向研究像素p0的8-邻接像素(3,4),(4,4),(4,5),由此发现像素p1。 第三步,反时针方向从p0以前的像素,即像素(3,4)开始顺序研究p1的8-邻接像素,因此发现像素p2。这时,因为p0 ≠ p1,所以令pk= p2,返回第三步。 反复以上操作,以p0, p1,…, pn的顺序跟踪8-邻接的边界像素。
第9章 图像分割技术
*
9.1 图像分割概述
目的:把图像空间分成一些有意义的区域,与图像中各种物体目标相对应。通过对分割结果的描述,可以理解图像中包含的信息。 图像分割是将像素分类的过程,分类的依据: 像素间的相似性: 灰度或纹理 非连续性:灰度跳变或纹理结构的突变
*
概述
将图像分割成连续的有意义的区域
*
对于用单一全局阈值无法有效分割的直方图,可以采用自适应阈值进行分割。 该类方法的基本步骤如下: 1)将整幅图像分成一系列互相之间有50%重叠的子图像; 2)做出每个子图像的直方图; 3)检测各个子图像的直方图是否为双峰,如果是,则采用最佳阈值法确定一个阈值,否则就不进行处理; 4)根据对直方图为双峰的子图像得到的阈值通过插值得到所有子图像的阈值;
*
边缘检测的微分算子
求梯度的大小通常用求绝对值的和或求其最大值来代替。 因为,求梯度的目的是为了找边缘,所以梯度的值不重要, 重要的是梯度值的相对大小。
*
几种常用的边缘检测微分算子
Roberts算子(2个模板): Sobel算子(2个模板):
标注”点”是当前像素
*
Prewitt算子(2个模板) 用卷积模板为: 其中 图像中的每个点都用这两个模板进行卷积,取其绝对值和为输出,最终产生一幅边缘幅度图像。